KR102343967B1

KR102343967B1 - Method and apparatus for estimating state of battery

Info

Publication number: KR102343967B1
Application number: KR1020140173008A
Authority: KR
Inventors: 박상도
Original assignee: 삼성전자주식회사
Priority date: 2014-12-04
Filing date: 2014-12-04
Publication date: 2021-12-28
Also published as: KR20160067510A; US20160161567A1; US10101406B2

Abstract

배터리의 상태를 추정하는 방법 및 장치가 개시된다. 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다.A method and apparatus for estimating the state of a battery are disclosed. The apparatus for estimating battery life may divide sensing data for a battery into predetermined sections, accumulate time information corresponding to the divided sections, and extract time information corresponding to at least one period from the accumulated time information. In addition, the battery life estimation apparatus extracts expected time information based on accumulated time information, time information corresponding to at least one cycle, and predetermined learning information, and estimates the end point of the battery life based on the expected time information. can

Description

METHOD AND APPARATUS FOR ESTIMATING STATE OF BATTERY

아래의 실시 예들은 배터리의 상태를 추정하는 방법 및 장치에 관한 것이다.
The following embodiments relate to a method and an apparatus for estimating the state of a battery.

환경문제와 에너지 자원 문제가 대두되면서, 가운데 전기 자동차 (Electric Vehicle)가 미래의 운송 수단으로 각광받고 있다. 전기 자동차는 충방전이 가능한 다수의 2차 전지(cell)가 하나의 팩(pack)으로 형성된 배터리를 주동력원으로 이용하기 때문에 배기가스가 전혀 없고 소음이 작다는 장점이 있다.As environmental problems and energy resource problems are emerging, electric vehicles are in the spotlight as a means of transportation in the future. The electric vehicle has the advantage that there is no exhaust gas and the noise is small because a battery formed as a single pack is used as a main power source.

전기 자동차에서 배터리는 가솔린 자동차의 엔진 및 연료 탱크와 같은 역할을 하므로, 전기 자동차 사용자의 안전을 위하여, 배터리의 상태를 확인하는 것이 중요할 수 있다.Since a battery in an electric vehicle functions like an engine and a fuel tank of a gasoline vehicle, for the safety of an electric vehicle user, it may be important to check the state of the battery.

최근에는, 보다 정확하게 배터리의 상태를 확인하면서, 사용자의 편의성을 증대시키기 위한 연구가 계속되고 있다.
Recently, while more accurately checking the state of the battery, research to increase user convenience is continued.

일 실시예에 따른 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부; 상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 수명 추정부를 포함할 수 있다.An apparatus for estimating battery life according to an embodiment includes: a time information accumulator for dividing sensing data for a battery into predetermined sections and accumulating time information corresponding to the divided sections; a time information extracting unit for extracting time information corresponding to at least one period from the accumulated time information; and extracting expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, time information corresponding to the at least one cycle, and predetermined learning information, and The battery may include a life estimator for estimating an end of life (EOL) of the battery based on the expected time information.

상기 시간 정보 누적부는, 상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.The time information accumulator may measure at least one of a voltage signal, a current signal, and a temperature signal of the battery in real time.

상기 시간 정보 추출부는, 상기 배터리의 사용 이력을 고려하여 상기 적어도 하나의 주기를 설정할 수 있다.The time information extractor may set the at least one cycle in consideration of the usage history of the battery.

일 실시예에 따른 배터리 수명 추정 장치는 상기 배터리의 전류 신호로부터 상기 배터리가 충전 또는 방전 중인지 여부를 판단하는 충방전 판단부를 더 포함할 수 있다.The apparatus for estimating battery life according to an embodiment may further include a charge/discharge determination unit configured to determine whether the battery is being charged or discharged from the current signal of the battery.

상기 수명 추정부는, 상기 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 누적된 시간 정보에 추가하여 상기 예상 시간 정보를 추출할 수 있다.The life estimator may extract the expected time information by adding time information corresponding to each of the at least one cycle to the accumulated time information in an order from a longest cycle to a shortest cycle among the at least one cycle.

상기 수명 추정부는, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보가 복수개인 경우, 상기 적어도 하나의 주기 각각에 대응하는 복수개의 시간 정보 중 최근에 센싱된 센싱 데이터에 기반한 시간 정보를 이용하여 상기 예상 시간 정보를 추출할 수 있다.The life estimator may include, when there is a plurality of time information corresponding to each of the at least one period, using time information based on recently sensed sensing data from among a plurality of time information corresponding to each of the at least one period. Time information can be extracted.

상기 수명 추정부는, 상기 누적된 시간 정보를 상기 예상 시간 정보로 설정하고, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신할 수 있다.The life estimator may set the accumulated time information as the expected time information and update the estimated time information by adding time information corresponding to each of the at least one period to the expected time information.

상기 수명 추정부는, 상기 예상 시간 정보가 갱신될 때마다, 상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보를 기초로 상기 배터리의 수명을 추정하고, 상기 적어도 하나의 주기마다, 상기 예상된 배터리의 수명이 종료되지 않을 때까지 해당 주기에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신할 수 있다.The life estimator may be configured to estimate the lifespan of the battery based on the updated expected time information and the predetermined learning information whenever the expected time information is updated, and, at each of the at least one cycle, the predicted battery life. The expected time information may be updated by adding time information corresponding to a corresponding period to the expected time information until the lifespan does not end.

상기 수명 추정부는, 상기 최장 주기인 첫번째 주기부터 n-1번째 주기 각각에 대응하는 시간 정보가 추가된 상기 예상 시간 정보에 n번째 주기에 대응하는 시간 정보를 상기 예상된 배터리의 수명이 종료되지 않을 때까지 추가할 수 있다.The life estimator may include time information corresponding to the nth cycle to the expected time information to which time information corresponding to each of the n−1th cycles from the first cycle, which is the longest cycle, is added to the expected battery life until the expected lifespan of the battery is not terminated. can be added until

상기 수명 추정부는, 상기 누적된 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여 상기 배터리의 수명 종료 시점을 추출할 수 있다.The life estimator may add up a period corresponding to the time information added to the accumulated time information to extract an end time point of the battery life.

상기 수명 추정부는, 상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정하고, 상기 배터리의 용량을 기초로 상기 배터리의 수명을 추정할 수 있다.The lifespan estimator may estimate the capacity of the battery based on the updated expected time information and the predetermined learning information, and estimate the lifespan of the battery based on the capacity of the battery.

상기 수명 추정부는, 상기 추정된 배터리의 용량이 상기 배터리의 최초 용량의 0.8배보다 작을 경우, 상기 배터리의 수명이 종료된 것으로 판단할 수 있다.The life estimator may determine that the life of the battery has ended when the estimated capacity of the battery is less than 0.8 times the initial capacity of the battery.

일 실시예에 따른 배터리 수명 추정 장치는 상기 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 상기 입력 벡터를 변환하는 차원 변환부를 더 포함하고, 상기 수명 추정부는, 상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정할 수 있다.The apparatus for estimating battery life according to an embodiment further includes a dimension transforming unit that transforms the input vector so as to reduce a dimension of the input vector corresponding to the estimated time information, wherein the life estimator includes: the transformed input vector and the previously The capacity of the battery may be estimated based on the predetermined learning information.

상기 수명 추정부는, 상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보를 학습기에 입력하여, 상기 최장 주기부터 상기 최단 주기 순으로 상기 배터리의 용량을 추정할 수 있다.The life estimator may input the converted input vector and the predetermined learning information into a learner to estimate the capacity of the battery in the order of the longest period to the shortest period.

상기 학습기는, 뉴럴 네트워크(Neural Network), 히든 마르코프 모델(Hidden Markov Model), 베이지안 네트워크(Beyesian Network), SVM(Support Vector Machine), 및 DT(Decision Tree) 중 하나를 포함할 수 있다.The learner may include one of a Neural Network, a Hidden Markov Model, a Bayesian Network, a Support Vector Machine (SVM), and a Decision Tree (DT).

상기 수명 추정부는, 통신 인터페이스를 이용하여 상기 미리 정해진 학습 정보를 외부로부터 수신할 수 있다.The life estimator may receive the predetermined learning information from the outside using a communication interface.

일 실시예에 따른 배터리 수명 추정 장치는 배터리에 대한 트레이닝 데이터를 획득하는 트레이닝 데이터 획득부; 상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 트레이닝 시간 정보 누적부; 상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 학습 정보 결정부; 상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부; 상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 수명 추정부를 포함할 수 있다.According to an embodiment, an apparatus for estimating battery life includes a training data acquisition unit configured to acquire training data for a battery; a training time information accumulator for dividing the training data into predetermined sections and accumulating training time information corresponding to the divided sections; a learning information determining unit configured to determine learning information for estimating an end time of the battery life based on the accumulated training time information and reference information; a time information accumulator for dividing the sensing data for the battery into predetermined sections and accumulating time information corresponding to the divided sections; a time information extraction unit for extracting time information corresponding to at least one period from the accumulated time information; and extracting expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to the at least one cycle, and the determined learning information, It may include a life estimator for estimating the end of the life of the battery based on the expected time information.

상기 트레이닝 데이터 획득부는, 상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.The training data acquisition unit may measure at least one of a voltage signal, a current signal, and a temperature signal of the battery in real time.

상기 트레이닝 데이터 획득부는, 미리 저장된 배터리 데이터로부터 샘플 배터리 정보를 수집할 수 있다.The training data acquisition unit may collect sample battery information from previously stored battery data.

상기 학습 정보 결정부는, 상기 누적된 시간 정보 및 상기 기준 정보를 학습기에 입력하여 상기 학습 정보에 대응하는 파라미터를 학습할 수 있다.The learning information determiner may input the accumulated time information and the reference information into a learner to learn a parameter corresponding to the learning information.

상기 학습기는, 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM, 및 DT 중 하나를 포함할 수 있다.The learner may include one of a neural network, a hidden Markov model, a Bayesian network, an SVM, and a DT.

상기 학습 정보 결정부는, 통신 인터페이스를 이용하여 외부에 상기 학습 정보를 전송할 수 있다.The learning information determining unit may transmit the learning information to the outside using a communication interface.

일 실시예에 따른 배터리 수명 추정 방법은 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하는 단계; 상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계; 상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계; 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 단계를 포함할 수 있다.A method for estimating battery life according to an embodiment includes dividing sensing data for a battery into predetermined sections; accumulating time information corresponding to the divided section; extracting time information corresponding to at least one period from the accumulated time information; extracting expected time information by estimating a change in the accumulated time information according to the use of the battery based on the accumulated time information, time information corresponding to the at least one cycle, and predetermined learning information; and estimating an end of life (EOL) of the battery based on the expected time information.

일 실시예에 따른 배터리 수명 추정 방법은 배터리에 대한 트레이닝 데이터를 획득하는 단계; 상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 단계; 상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 단계; 상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계; 상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계; 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 단계를 포함할 수 있다.
A battery life estimation method according to an embodiment includes: acquiring training data for a battery; dividing the training data into predetermined sections and accumulating training time information corresponding to the divided sections; determining learning information for estimating an end time of the battery life based on the accumulated training time information and reference information; dividing the sensing data for the battery into predetermined sections and accumulating time information corresponding to the divided sections; extracting time information corresponding to at least one period from the accumulated time information; extracting expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to the at least one cycle, and the determined learning information; and estimating an end point of the battery life based on the expected time information.

도 1은 배터리의 충전 및 방전 사이클을 예시적으로(exemplarily) 도시한 도면이다.
도 2는 배터리의 사용 사이클의 증가에 의한 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 3은 배터리가 사용되는 온도에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 4는 방전율(C-rate, Current rate)에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 5는 배터리의 충전 및 방전에 따른 전압 및 전류의 패턴을 예시적으로 도시한 도면이다.
도 6 내지 도 8은 배터리의 전압 구간 별 사용에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 9는 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.
도 10은 다른 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.
도 11은 일 실시예에 따른 배터리 시스템을 나타낸 블록도이다.
도 12는 일 실시예에 따른 센싱 데이터의 분할 및 분할된 구간에 대응하는 시간 정보의 누적을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 적어도 하나의 주기에 대응하는 시간 정보를 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 배터리의 수명 추정을 설명하기 위한 도면이다.
도 15는 일 실시예에 따른 사용자 인터페이스를 설명하기 위한 도면이다.
도 16은 일 실시예에 따른 배터리 수명 정보를 제공하기 위한 사용자 인터페이스를 설명하기 위한 도면이다.
도 17은 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.
도 18은 다른 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.1 is a diagram exemplarily illustrating a charging and discharging cycle of a battery.
2 is a diagram exemplarily illustrating a decrease in battery life due to an increase in the use cycle of the battery.
3 is a diagram exemplarily showing a decrease in battery life according to the temperature at which the battery is used.
4 is a diagram exemplarily illustrating a reduction in battery life according to a discharge rate (C-rate, current rate).
5 is a diagram exemplarily illustrating patterns of voltage and current according to charging and discharging of a battery.
6 to 8 are diagrams exemplarily showing a decrease in battery life according to the use of each voltage section of the battery.
9 is a block diagram illustrating an apparatus for estimating battery life according to an exemplary embodiment.
10 is a block diagram illustrating an apparatus for estimating battery life according to another exemplary embodiment.
11 is a block diagram illustrating a battery system according to an exemplary embodiment.
12 is a diagram for explaining division of sensing data and accumulation of time information corresponding to a divided section according to an embodiment.
13 is a diagram for explaining time information corresponding to at least one period according to an embodiment.
14 is a diagram for explaining the estimation of the lifespan of a battery according to an exemplary embodiment.
15 is a diagram for describing a user interface according to an exemplary embodiment.
16 is a diagram for describing a user interface for providing battery life information according to an exemplary embodiment.
17 is an operation flowchart illustrating a method for estimating battery life according to an exemplary embodiment.
18 is an operation flowchart illustrating a method for estimating battery life according to another exemplary embodiment.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. Like reference numerals in each figure indicate like elements.

아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Various modifications may be made to the embodiments described below. It should be understood that the embodiments described below are not intended to limit the embodiments, and include all modifications, equivalents, and substitutes thereto.

실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in the examples are used only to describe specific examples, and are not intended to limit the examples. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present specification, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the embodiment belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
In addition, in the description with reference to the accompanying drawings, the same components are given the same reference numerals regardless of the reference numerals, and the overlapping description thereof will be omitted. In describing the embodiment, if it is determined that a detailed description of a related known technology may unnecessarily obscure the gist of the embodiment, the detailed description thereof will be omitted.

도 1은 배터리의 충전 및 방전 사이클을 예시적으로(exemplarily) 도시한다.1 exemplarily shows the charging and discharging cycle of a battery.

도 1을 참조하면, 그래프 (a)는 완전 충방전을 수행하는 배터리의 시간에 따른 전압의 변화를 예시적으로 나타낸다. 그래프 (a)의 가로축은 시간을 나타내고, 세로축은 전압을 나타낸다. 배터리가 최대로 충전된 시점(111, 112, 113, 114, 115)은 완전 충전으로 나타낼 수 있고, 배터리가 최대로 방전된 시점(121, 122, 123, 124, 125)은 완전 방전으로 나타낼 수 있다.Referring to FIG. 1 , graph (a) exemplarily shows a change in voltage according to time of a battery that is fully charged and discharged. In the graph (a), the horizontal axis represents time, and the vertical axis represents voltage. The points at which the battery is fully charged (111, 112, 113, 114, 115) may be expressed as full charge, and the points at which the battery is fully discharged (121, 122, 123, 124, 125) may be expressed as full discharge. have.

여기서, 배터리의 충전 및 방전과 관련된 하나의 사이클은 배터리가 완전히 충전된 후, 충전된 전력을 모두 방전하고 다시 충전되는 것을 나타낼 수 있다. 예를 들어, 도 1에서는 완전 충전된 두 시점(111, 112) 사이의 구간이 하나의 사이클이 될 수 있다.Here, one cycle related to charging and discharging of the battery may indicate that after the battery is fully charged, all of the charged power is discharged and the battery is charged again. For example, in FIG. 1 , a period between two fully charged time points 111 and 112 may be one cycle.

그래프 (b)는 배터리의 완전 충방전에 따른 용량의 변화를 예시적으로 나타낸다. 그래프 (b)의 가로축은 시간을 나타내고, 세로축은 배터리의 용량을 나타낸다. 선(131, 132, 133, 134, 135)은 각각 배터리가 최대로 충전된 시점(111, 112, 113, 114, 115)에 대응하는 배터리의 용량을 나타낼 수 있다. 그래프 (b)에 나타난 바와 같이, 배터리가 완전 충방전을 수행할수록 배터리의 용량은 감소할 수 있다.
Graph (b) exemplarily shows a change in capacity according to full charge/discharge of the battery. In the graph (b), the horizontal axis represents time, and the vertical axis represents the capacity of the battery. The lines 131 , 132 , 133 , 134 , and 135 may indicate the capacity of the battery corresponding to the time points 111 , 112 , 113 , 114 , and 115 when the battery is fully charged, respectively. As shown in graph (b), the capacity of the battery may decrease as the battery is fully charged and discharged.

도 2는 배터리의 사용 사이클의 증가에 의한 배터리 수명의 감소를 예시적으로 도시한 도면이다.2 is a diagram exemplarily illustrating a decrease in battery life due to an increase in the use cycle of the battery.

도 2는 배터리가 충전 및 방전되는 사이클 수가 증가할수록 배터리 수명이 감소하는 것을 도시한다. 여기서, 배터리 수명은 배터리가 어플리케이션에 정상적으로 전력 등을 공급할 수 있는 기간으로 나타낼 수 있다. 예를 들어, 배터리의 캐퍼시티(capacity)(210)에 대응할 수 있다. 여기서, 캐퍼시티(210)는 배터리에 저장될 수 있는 최대 전하량을 나타낼 수 있다. 이 때, 배터리의 캐퍼시티(210)가 임계값(220) 이하로 감소되면 배터리가 어플리케이션에서 요구하는 전력 요건 등을 만족하지 못하게 되어, 배터리의 교체가 필요할 수 있다. 이와 같이, 배터리 수명은 배터리의 사용 시간 또는 사용 사이클과 높은 상관 관계를 가질 수 있다.
2 shows that as the number of cycles in which the battery is charged and discharged increases, the battery life decreases. Here, the battery life may be expressed as a period during which the battery can normally supply power to an application. For example, it may correspond to the capacity 210 of the battery. Here, the capacity 210 may represent the maximum amount of electric charge that can be stored in the battery. At this time, if the capacity 210 of the battery is reduced to less than the threshold value 220, the battery may not satisfy the power requirement required by the application, and the battery may need to be replaced. As such, the battery life may have a high correlation with the usage time or usage cycle of the battery.

도 3은 배터리가 사용되는 온도에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.3 is a diagram exemplarily showing a decrease in battery life according to the temperature at which the battery is used.

도 3은 배터리를 동일한 조건에서 충전 및 방전시킬 때, 서로 다른 온도에 따른 배터리 수명의 저하 정도를 예시적으로 나타낸다. 도 3에 도시된 바와 같이, 일반적으로 고온에서 동작시킨 배터리의 수명이 더 급격하게 줄어들 수 있다. 예를 들어, 25도보다 55도인 경우에, 사용 사이클 수가 증가할수록 배터리 수명(예를 들면, SOH, State-Of-Health)이 보다 급격히 감소할 수 있다.3 exemplarily shows the degree of deterioration of battery life according to different temperatures when the battery is charged and discharged under the same conditions. As shown in FIG. 3 , in general, the lifespan of a battery operated at a high temperature may decrease more rapidly. For example, in the case of 55 degrees rather than 25 degrees, as the number of use cycles increases, battery life (eg, SOH, State-Of-Health) may more rapidly decrease.

이하 본 명세서에서, 배터리 수명은 배터리의 현재 캐퍼시턴스 값, 내부 저항값 및 SOH 등에 대응할 수 있다. 여기서, SOH는

로 정의될 수 있다.
Hereinafter, in this specification, the battery life may correspond to a current capacitance value, an internal resistance value, an SOH, and the like of the battery. where SOH is

can be defined as

도 4는 방전율(C-rate, Current rate)에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.4 is a diagram exemplarily illustrating a reduction in battery life according to a discharge rate (C-rate, current rate).

여기서, C-rate는 배터리의 충전 및 방전시 다양한 사용 조건 하에서의 전류값 설정 및 배터리의 사용 가능시간을 예측하거나 표기하기 위한 단위를 나타낸다. 예를 들어, C-rate의 단위는 C로 나타낼 수 있고, C-rate= (충전 및 방전 전류)/(배터리 용량)으로 정의할 수 있다.Here, C-rate represents a unit for predicting or indicating the current value setting under various usage conditions and the usable time of the battery during charging and discharging of the battery. For example, the unit of C-rate may be expressed as C, and may be defined as C-rate=(charge and discharge current)/(battery capacity).

도 4는 배터리의 방전 C-rate을 다양하게 설정하여 수명 테스트를 실시한 결과를 예시적으로 도시한 도면이다. 도 4에 도시된 바와 같이, 일반적으로 C-rate가 높을 수록 배터리 수명이 급격히 줄어들 수 있다. 이러한 C-rate는 전압의 변화와 함께 센싱될 수 있다.
4 is a view showing the results of a life test performed by variously setting the discharging C-rate of the battery. As shown in FIG. 4 , in general, as the C-rate increases, the battery life may rapidly decrease. This C-rate may be sensed together with a change in voltage.

도 5는 배터리의 충전 및 방전에 따른 전압 및 전류의 패턴을 예시적으로 도시한 도면이다.5 is a diagram exemplarily illustrating patterns of voltage and current according to charging and discharging of a battery.

배터리에서는 충전과 방전에 따라 전압 또는 전류 패턴이 서로 상이하게 나타날 수 있다. 예를 들어, 충전인가 방전인가에 따라 동일한 전압 값 및 전류 값이 배터리 수명에 미치는 영향이 다르게 해석될 수 있다.In a battery, voltage or current patterns may appear differently depending on charging and discharging. For example, the effect of the same voltage value and current value on battery life may be interpreted differently depending on whether charging or discharging is applied.

예를 들어, 도 5에서는 충전에 따른 전압 패턴(510) 및 방전에 따른 전압 패턴(520)이 도시될 수 있다. 도 5에 도시된 바와 같이, 동일한 SoC (State-of-Charge)에서, 배터리가 충전 또는 방전 상태인지 여부에 따라 전압 값이 다르게 센싱될 수 있다.
For example, in FIG. 5 , a voltage pattern 510 according to charging and a voltage pattern 520 according to discharging may be illustrated. As shown in FIG. 5 , in the same state-of-charge (SoC), a voltage value may be sensed differently depending on whether the battery is in a charging or discharging state.

도 6 내지 도 8은 배터리의 전압 구간 별 사용에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.6 to 8 are diagrams exemplarily showing a decrease in battery life according to the use of each voltage section of the battery.

예를 들면, 도 6에서는 배터리의 전압이 50% 내지 75%인 경우의 배터리 수명(610), 배터리의 전압이 25% 내지 50%인 경우의 배터리 수명(620), 배터리의 전압이 0% 내지 25%인 경우의 배터리 수명(630), 및 배터리의 전압이 75% 내지 100%인 경우의 배터리 수명(640)이 예시적으로 도시되어 있다. 이와 같이, 배터리의 전압 구간에 따라 수명 감소 효과가 달라질 수 있다.
For example, in FIG. 6 , the battery life 610 when the voltage of the battery is 50% to 75%, the battery life 620 when the voltage of the battery is 25% to 50%, and the voltage of the battery is 0% to 0% A battery life 630 when the voltage is 25%, and a battery life 640 when the voltage of the battery is between 75% and 100% are illustratively shown. As such, the lifespan reduction effect may vary depending on the voltage section of the battery.

도 7은 완전 충전 상태에서의 사용에 따른 에너지 저장 레벨(710) 및 80% 충전 상태에서의 에너지 저장 레벨(720)을 예시적으로 도시한 것으로서, 배터리를 완전 충전 상태에서 사용하는 것 보다 중간 정도로 충전한 상태에서 사용하는 것이 배터리 수명 감소 효과가 적게 나타날 수 있다.
7 exemplarily shows an energy storage level 710 according to use in a full state of charge and an energy storage level 720 in an 80% state of charge, which is intermediate to that of using the battery in a full state of charge. Using it while it is charged may have less effect on reducing battery life.

도 8은 컷오프 전압(cut-off voltage)의 차이에 따른 배터리 수명의 차이를 예시적으로 도시한다. 여기서 컷오프 전압은 충전이 종료된 때 또는 방전이 종료되는 때의 전압을 의미할 수 있다. 도 8에 도시된 바와 같이, 컷오프 전압을 조절한 경우의 방전 용량(Discharge Capacity)(820)이 조절하지 않은 경우의 방전 용량(810)보다 감소되는 정도가 작을 수 있다.8 exemplarily illustrates a difference in battery life according to a difference in cut-off voltage. Here, the cut-off voltage may mean a voltage when charging is terminated or when discharging is terminated. As shown in FIG. 8 , the degree of reduction of the discharge capacity 820 when the cutoff voltage is adjusted may be smaller than that of the discharge capacity 810 when the cutoff voltage is not adjusted.

전기 자동차의 경우 배터리의 상태, 그 중에서 배터리 수명(예를 들면, SOH)를 정확하게 추정하는 것이 필요하다. 배터리 수명은 전기 자동차의 주행거리 및 안전 사고와 관련되는 중요 항목이므로, 전기 자동차의 배터리 제어 장치(Battery Management System: BMS)는 배터리 수명을 추정할 수 있다.
In the case of an electric vehicle, it is necessary to accurately estimate the state of the battery, among which, the battery life (eg, SOH). Since the battery life is an important item related to the mileage and safety accidents of the electric vehicle, a battery management system (BMS) of the electric vehicle may estimate the battery life.

이하에서, 배터리 시스템은 배터리 및 배터리 제어 장치를 포함할 수 있다. 배터리는 배터리 시스템이 장착된 구동 수단(예를 들어, 전기 자동차)에 전력을 공급할 수 있고, 복수 개의 배터리 모듈을 포함할 수 있다. 복수 개의 배터리 모듈 각각은 복수 개의 셀을 포함할 수 있다. 복수 개의 배터리 모듈 상호간은 직렬 및 병렬로 혼합 연결될 수 있다. 일 실시예에서, 복수 개의 배터리 모듈은 리튬 이온 배터리와 같은 2차 전지일 수 있다. 또한, 복수 개의 배터리 모듈의 용량은 서로 동일할 수도 있고, 서로 상이할 수도 있다. 또한, 배터리 시스템은 에너지 저장 시스템(Energy Storage System: ESS)를 의미할 수 있다.Hereinafter, the battery system may include a battery and a battery control device. The battery may supply power to a driving means (eg, an electric vehicle) to which the battery system is mounted, and may include a plurality of battery modules. Each of the plurality of battery modules may include a plurality of cells. A plurality of battery modules may be connected to each other in series and in parallel. In one embodiment, the plurality of battery modules may be secondary cells such as lithium ion batteries. Also, the capacities of the plurality of battery modules may be the same or different from each other. Also, the battery system may refer to an energy storage system (ESS).

배터리 제어 장치는 배터리의 상태를 모니터링하고, 배터리를 제어할 수 있다. 일 실시예에서, 배터리 제어 장치는 배터리에 포함된 복수 개의 배터리 모듈의 열 제어를 수행할 수 있다. 또한, 배터리 제어 장치는 배터리의 과충전 및 과방전을 방지하고, 셀 밸런싱을 수행하여 배터리에 포함된 복수 개의 배터리 모듈간의 충전 상태가 균등하도록 제어할 수 있다. 이에 따라, 배터리의 에너지 효율이 높아지고, 배터리의 수명이 연장될 수 있다.The battery control device may monitor the state of the battery and control the battery. In an embodiment, the battery control apparatus may perform thermal control of a plurality of battery modules included in the battery. In addition, the battery control apparatus may prevent overcharging and overdischarging of the battery and perform cell balancing to control the state of charge between a plurality of battery modules included in the battery to be uniform. Accordingly, the energy efficiency of the battery may be increased, and the lifespan of the battery may be extended.

배터리 제어 장치는 수명 정보, 충전 정보, 기능 정보 등을 전자 제어 장치(Electronic Control Unit: ECU)에 제공할 수 있다. 일 실시예에서, 배터리 제어 장치는 CAN(Controller Area Network) 통신을 이용하여 전자 제어 장치(ECU)와 통신을 수행할 수 있다.
The battery control device may provide life information, charging information, function information, and the like to an Electronic Control Unit (ECU). In an embodiment, the battery control device may communicate with the electronic control unit (ECU) using controller area network (CAN) communication.

도 9는 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.9 is a block diagram illustrating an apparatus for estimating battery life according to an exemplary embodiment.

도 9를 참조하면, 배터리 수명 추정 장치(900)는 시간 정보 누적부(910), 시간 정보 추출부(920) 및 수명 추정부(930)를 포함한다.Referring to FIG. 9 , the apparatus 900 for estimating battery life includes a time information accumulator 910 , a time information extractor 920 , and a lifespan estimator 930 .

배터리 수명 추정 장치(900)는 전기 자동차의 에너지원인 배터리의 상태(예를 들면, 수명 정보(State Of Health: SOH), 수명 종료 시점(End Of Life: EOL))를 추정한다. 수명 정보 또는 수명 종료 시점에 대한 보다 정확한 추정을 통해 전기 자동차 운전자들에게 전기 자동차의 정확한 상태 정보를 제공함으로써, 가솔린 자동차 대비 전기 자동차에 대한 거부감을 완화할 수 있다. 또한, 배터리 수명 추정 장치(900)는 경량화되어 배터리 제어 장치(BMS)에 장착될 수 있다. 더 나아가, 배터리 수명 추정 장치(900)는 배터리 상태를 추정하는데 소요되는 시간을 단축시킬 수 있다. 배터리 수명 추정 장치(900)는 전기 자동차 외에도, 배터리를 사용하는 모든 어플리케이션에 적용될 수 있다.The battery life estimation apparatus 900 estimates the state (eg, state of health (SOH) and end of life (EOL)) of a battery that is an energy source of the electric vehicle. By providing accurate status information of electric vehicles to electric vehicle drivers through more accurate estimation of life information or end-of-life time, it is possible to alleviate the objection to electric vehicles compared to gasoline vehicles. In addition, the battery life estimating apparatus 900 may be reduced in weight and mounted on the battery control apparatus (BMS). Furthermore, the battery life estimation apparatus 900 may shorten the time required for estimating the battery state. The apparatus 900 for estimating battery life may be applied to any application using a battery, in addition to the electric vehicle.

시간 정보 누적부(910)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적한다. 시간 정보 누적부(910)는 전압 센서, 전류 센서 또는 온도 센서 중 적어도 하나를 포함할 수 있고, 시간 정보 누적부(910)에 포함된 센서들을 이용하여 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.The time information accumulator 910 divides the sensing data for the battery into predetermined sections, and accumulates time information corresponding to the divided sections. The time information accumulator 910 may include at least one of a voltage sensor, a current sensor, and a temperature sensor, and uses the sensors included in the time information accumulator 910 to select one of a voltage signal, a current signal, or a temperature signal of a battery. At least one may be measured in real time.

시간 정보 누적부(910)는 획득한 센싱 데이터를 미리 정한 범위의 구간으로 분할한다. 예를 들어, 시간 정보 누적부(910)는 측정된 전압 신호로부터 추출한 전압 데이터를 0.2V(Volt) 단위로 분할할 수 있고, 측정된 전류 신호로부터 추출한 전류 데이터를 1A(Ampere) 단위로 분할할 수 있고, 측정된 온도 신호로부터 추출한 온도 데이터를 0.5℃ 단위로 분할할 수 있다.The time information accumulator 910 divides the acquired sensing data into sections within a predetermined range. For example, the time information accumulator 910 may divide the voltage data extracted from the measured voltage signal in units of 0.2V (Volt), and divide the current data extracted from the measured current signal in units of 1A (Ampere). and the temperature data extracted from the measured temperature signal may be divided into units of 0.5°C.

시간 정보 누적부(910)는 분할된 각 구간에 따라, 배터리가 사용된 시간 정보를 누적할 수 있다.The time information accumulator 910 may accumulate battery usage time information according to each divided section.

또한, 시간 정보 누적부(910)는 누적된 시간 정보를 저장할 수 있다. 일 실시예에서, 시간 정보 누적부(910)는 누적된 시간 정보를 벡터의 형태로 저장할 수 있다.Also, the time information accumulator 910 may store accumulated time information. In an embodiment, the time information accumulator 910 may store the accumulated time information in the form of a vector.

일 실시예에서, 배터리 수명 추정 장치(900)는 충방전 판단부를 포함할 수 있다. 충방전 판단부는 측정된 배터리의 전류 신호를 이용하여 배터리가 충전 중인지 또는 방전 중인지 여부를 판단할 수 있다.In an embodiment, the apparatus 900 for estimating battery life may include a charge/discharge determination unit. The charge/discharge determination unit may determine whether the battery is being charged or discharged by using the measured current signal of the battery.

시간 정보 추출부(920)는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출한다. 여기서, 적어도 하나의 주기는 미리 설정될 수도 있고, 시간 정보 추출부(920)가 설정할 수도 있다. 일 실시예에서, 시간 정보 추출부(920)는 배터리의 사용 이력을 고려하여 적어도 하나의 주기를 설정할 수 있다. 예를 들어, 5일 동안의 배터리 사용량이 많고, 2일 동안의 배터리 사용량이 적은 패턴이 반복되는 경우, 시간 정보 추출부(920)는 1주를 적어도 하나의 주기에 포함할 수 있다. 또한, 분기(또는 계절)에 따라 배터리의 사용량이 다른 경우, 시간 정보 추출부(920)는 분기(또는, 계절)을 적어도 하나의 주기에 포함할 수 있다. 또한, 다른 예로서, 시간 정보 추출부(920)는 통신 인터페이스를 이용하여 외부 장치(예를 들어, 서버)로부터 적어도 하나의 주기에 대한 정보를 수신할 수 있다.The time information extractor 920 extracts time information corresponding to at least one period from the accumulated time information. Here, at least one period may be preset or the time information extraction unit 920 may set it. In an embodiment, the time information extractor 920 may set at least one cycle in consideration of the usage history of the battery. For example, when a pattern of high battery usage for 5 days and low battery usage for 2 days is repeated, the time information extracting unit 920 may include 1 week in at least one cycle. In addition, when the battery usage varies according to the branch (or season), the time information extractor 920 may include the branch (or season) in at least one cycle. Also, as another example, the time information extractor 920 may receive information about at least one period from an external device (eg, a server) using a communication interface.

시간 정보 추출부(920)는 누적된 시간 정보를 적어도 하나의 주기에 따라 저장할 수 있다. 예를 들어, 시간 정보 추출부(920)는 누적된 시간 정보를 적어도 하나의 주기인 1일, 1주일, 1개월, 1년의 주기에 따라 저장할 수 있다. 이에 따라, 배터리가 2년 동안 사용된 경우, 시간 정보 추출부(920)는 1일 주기의 시간 정보를 730개, 1주일 주기의 시간 정보를 104개, 1개월 주기의 시간 정보를 24개, 1년 주기의 시간 정보를 2개 추출할 수 있다.The time information extractor 920 may store the accumulated time information according to at least one period. For example, the time information extractor 920 may store the accumulated time information according to at least one cycle of 1 day, 1 week, 1 month, and 1 year. Accordingly, when the battery has been used for 2 years, the time information extraction unit 920 contains 730 pieces of time information of a one-day cycle, 104 pieces of time information of a one-week cycle, 24 pieces of time information of a one-month cycle, Two pieces of time information with a one-year cycle can be extracted.

일 실시예에서, 시간 정보 추출부(920)는 적어도 하나의 주기에 대응하는 시간 정보를 입력 벡터의 형태로 추출할 수 있다.In an embodiment, the time information extraction unit 920 may extract time information corresponding to at least one period in the form of an input vector.

일 실시예에 따르면 배터리를 사용할수록 배터리 수명이 감소하는 바, 감소된 현재의 배터리 수명은 과거 배터리의 사용 이력과 관련성이 높을 수 있다. 이에 따라, 시간 정보 누적부(910)는 센싱 데이터를 전압, 전류, 및 온도의 미리 정한 범위에 대응하는 각 구간으로 분할하고, 각 구간에서 배터리가 사용된 시간 정보를 누적하고, 수명 추정부(930)는 각 구간에 누적된 시간 정보를 학습기에 대한 학습 정보로 활용함으로써, 배터리의 사용 이력에 대응하는 배터리의 수명을 추정할 수 있다. 여기서, 학습 정보는 학습기가 배터리의 사용 이력으로부터 학습한 정보일 수 있다. 예를 들어, 학습기는 블랙박스 함수(black-box function)를 포함할 수 있고, 블랙박스 함수에 대한 입력과 출력이 주어지면, 학습기는 해당 입력에 대응하는 출력을 생성하기 위한, 블랙박스 함수의 파라미터를 학습할 수 있다. 예를 들어, 학습 정보는 학습기의 종류 및 파라미터 등을 포함할 수 있다. 여기서, 학습기는 뉴럴 네트워크(Neural Network), 히든 마르코프 모델(Hidden Markov Model), 베이지안 네트워크(Beyesian Network), SVM (Support Vector Machine), 및 DT (Decision Tree) 중 하나를 포함할 수 있다. 일 실시예에서, 수명 추정부(930)는 통신 인터페이스를 이용하여 외부로부터 학습 정보를 수신할 수 있고, 학습기에 외부로부터 수신한 학습 정보를 입력할 수 있다. 여기서, 외부는 배터리 수명 추정 장치(900) 이외의 다른 장치를 의미할 수 있다.According to an embodiment, the battery life decreases as the battery is used, and the reduced current battery life may be highly related to a past battery usage history. Accordingly, the time information accumulator 910 divides the sensed data into each section corresponding to a predetermined range of voltage, current, and temperature, accumulates information about the time the battery is used in each section, and the life estimator ( 930) may estimate the lifespan of the battery corresponding to the usage history of the battery by using the time information accumulated in each section as learning information for the learner. Here, the learning information may be information learned by the learner from the battery usage history. For example, the learner may include a black-box function, and when an input and an output to the black-box function are given, the learner generates an output corresponding to the input. parameters can be learned. For example, the learning information may include the type and parameter of the learner. Here, the learner may include one of a Neural Network, a Hidden Markov Model, a Bayesian Network, a Support Vector Machine (SVM), and a Decision Tree (DT). In an embodiment, the life estimator 930 may receive learning information from the outside using a communication interface, and may input the learning information received from the outside into the learner. Here, external may refer to a device other than the battery life estimation device 900 .

수명 추정부(930)는 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점(End Of Life: EOL)을 추정한다. 여기서, 예상 시간 정보는 미래에 예상되는 시간 정보를 의미할 수 있다.The life estimator 930 extracts expected time information by predicting a change in accumulated time information according to the use of the battery, and estimates an end of life (EOL) of the battery based on the expected time information. Here, the expected time information may mean information about time expected in the future.

수명 추정부(930)는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로 예상 시간 정보를 추출할 수 있다. 일 실시예에서, 수명 추정부(930)는 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 적어도 하나의 주기 각각에 대응하는 시간 정보를 누적된 시간 정보에 추가하여 예상 시간 정보를 추출할 수 있다. 이 때, 적어도 하나의 주기 각각에 대응하는 시간 정보가 복수개인 경우, 적어도 하나의 주기 각각에 대응하는 복수개의 시간 정보 중 최근에 센싱된 센싱 데이터에 기초한 시간 정보를 이용하여 예상 시간 정보를 추출할 수 있다. 수명 추정부(930)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 적어도 하나의 주기 각각에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 예상 시간 정보가 갱신될때마다, 갱신된 예상 시간 정보 및 미리 정해진 학습 정보를 기초로 배터리의 수명을 예측하고, 적어도 하나의 주기마다, 예측된 배터리의 수명이 종료되지 않을 때까지 해당 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 예를 들어, n번째 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하는 경우, 수명 추정부(930)는 최장 주기인 첫번째 주기부터 n-1번째 주기 각각에 대응하는 시간 정보가 추가된 예상 시간 정보에 n번째 주기에 대응하는 시간 정보를 예측된 배터리의 수명이 종료되지 않을 때까지 추가할 수 있다. 이 때, 수명 추정부(930)는 갱신된 예상 시간 정보 및 미리 정해진 학습 정보에 기초하여 배터리의 용량을 추정하고, 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작을 경우, 수명 추정부(930)는 배터리의 수명이 종료된 것으로 판단할 수 있다. 수명 추정부(930)는 추출된 예상 시간 정보에서, 초기의 예상 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여, 합산된 기간을 배터리의 수명 종료 시점으로 추출할 수 있다.The life estimator 930 may extract expected time information based on accumulated time information, time information corresponding to at least one cycle, and predetermined learning information. In an embodiment, the life estimator 930 extracts expected time information by adding time information corresponding to each of at least one cycle to the accumulated time information in the order of the longest cycle to the shortest cycle among at least one cycle. can At this time, when there is a plurality of time information corresponding to each of at least one period, estimated time information may be extracted using time information based on recently sensed sensing data among a plurality of time information corresponding to each of at least one period. can The life estimator 930 may update the estimated time information by setting the accumulated time information as the initial expected time information, and adding time information corresponding to each of at least one period to the initial expected time information. Each time the expected time information is updated, the life estimator 930 predicts the life of the battery based on the updated expected time information and predetermined learning information, and at least one cycle, the predicted life of the battery will not end. The estimated time information may be updated by adding time information corresponding to the corresponding period to the expected time information until the For example, when time information corresponding to an n-th period is added to the expected time information, the life estimator 930 may calculate an estimated time to which time information corresponding to each of the n−1th period from the first period, which is the longest period, is added. Time information corresponding to the nth cycle may be added to the information until the predicted battery life does not end. At this time, the life estimator 930 estimates the capacity of the battery based on the updated expected time information and predetermined learning information, and when the estimated capacity of the battery is less than 0.8 times the initial capacity of the battery, the life estimator 930 Reference numeral 930 may determine that the life of the battery has ended. The life estimator 930 may add up periods corresponding to the time information added to the initial expected time information from the extracted expected time information, and extract the summed period as the end point of the life of the battery.

일 실시예에서, 수명 추정부(930)는 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 입력 벡터의 차원을 변환할 수 있다. 입력 벡터의 차원이 감소함으로써, 수명 추정부(930)의 배터리의 용량을 추정하는데 소요되는 시간이 감소할 수 있다. 예를 들면, 수명 추정부(930)는 PCA(Principal Component Analysis), LDA(Linear Discriminant Analysis) 등의 기법을 이용하여, 입력 벡터의 차원이 감소함으로써 발생하는 정보의 손실을 최소화할 수 있다. 수명 추정부(930)는 차원이 변환된 입력 벡터 및 미리 정해진 학습 정보를 학습기에 입력하여, 배터리의 용량을 추정할 수 있다. 이 때, 수명 추정부(930)는 미리 정해진 학습 정보를 외부로부터 수신할 수 있다.In an embodiment, the life estimator 930 may transform the dimension of the input vector so that the dimension of the input vector corresponding to the expected time information is reduced. As the dimension of the input vector is reduced, the time required for estimating the battery capacity of the life estimator 930 may be reduced. For example, the life estimator 930 may minimize information loss caused by a decrease in the dimension of the input vector by using a technique such as Principal Component Analysis (PCA) or Linear Discriminant Analysis (LDA). The life estimator 930 may estimate the capacity of the battery by inputting the dimension-converted input vector and predetermined learning information to the learner. In this case, the life estimator 930 may receive predetermined learning information from the outside.

예를 들어, 시간 정보 추출부(920)가 1년, 1개월 및 1주에 대응하는 시간 정보를 추출한 경우, 수명 추정부(930)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 추가 주기를 1로 설정하고, 1년에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정할 수 있다. 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배 이상인 경우, 수명 추정부(930)는 추가 주기를 2로 설정하고, 1년에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정할 수 있고, 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배 이상인 경우, 수명 추정부(930)는 추가 주기를 3으로 설정하고, 1년에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정하여, 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배보다 작은 경우, 수명 추정부(930)는 추가 주기가 2일 때의 예상 시간 정보를 1년의 주기에 대응하는 예상 시간 정보로 추출할 수 있다. 이에 따라, 수명 추정부(930)는 1년의 주기에 대응하는 배터리의 잔여 수명을 2년으로 추출할 수 있다. 수명 추정부(930)는 이와 같은 예상 시간 정보의 갱신 및 배터리 용량의 추정을 1개월의 주기 및 1일의 주기에 따라 반복할 수 있다. 이 때, 1개월의 주기에 대응하는 예상 시간 정보의 추가 주기가 5인 경우, 수명 추정부(930)는 1개월의 주기에 대응하는 배터리의 잔여 수명을 5개월로 추출할 수 있고, 1일의 주기에 대응하는 예상 시간 정보의 추가 주기가 3인 경우, 수명 추정부(930)는 1일의 주기에 대응하는 배터리의 잔여 수명을 3일로 추출할 수 있다. 이에 따라, 초기의 예상 시간 정보에 추가된 시간 정보는 2년에 대응하는 시간 정보, 5개월에 대응하는 시간 정보 및 3일에 대응하는 시간 정보이므로, 수명 추정부(930)는 배터리의 수명 종료 시점을 현재로부터 2년 5개월 3일 후로 추정할 수 있다.
For example, when the time information extraction unit 920 extracts time information corresponding to one year, one month, and one week, the life estimation unit 930 sets the accumulated time information as initial expected time information, The estimated time information may be updated by setting the additional period to 1 and adding time information corresponding to one year to the initial estimated time information. The life estimator 930 may estimate the capacity of the battery based on the updated estimated time information. When the estimated capacity of the battery is 0.8 times or more of the initial capacity of the battery, the life estimator 930 sets the additional period to 2 and updates the estimated time information by adding time information corresponding to one year to the expected time information can do. The life estimator 930 may estimate the capacity of the battery based on the updated estimated time information, and when the estimated capacity of the battery is 0.8 times or more of the initial capacity of the battery, the life estimator 930 performs an additional cycle. 3, the estimated time information may be updated by adding time information corresponding to one year to the estimated time information. The life estimator 930 estimates the capacity of the battery based on the updated expected time information, and when the estimated battery capacity is less than 0.8 times the initial capacity of the battery, the life estimator 930 determines that the additional cycle is 2 It is possible to extract the expected time information at the time of the day as expected time information corresponding to a period of one year. Accordingly, the life estimator 930 may extract the remaining life of the battery corresponding to the cycle of one year as 2 years. The life estimator 930 may repeat the update of the expected time information and the estimation of the battery capacity according to the cycle of one month and the cycle of one day. In this case, when the additional period of the expected time information corresponding to the period of one month is 5, the life estimator 930 may extract the remaining life of the battery corresponding to the period of one month as 5 months, and 1 day When the additional period of the expected time information corresponding to the period of is 3, the life estimator 930 may extract the remaining life of the battery corresponding to the period of 1 day as 3 days. Accordingly, since the time information added to the initial expected time information is time information corresponding to 2 years, time information corresponding to 5 months, and time information corresponding to 3 days, the life estimator 930 ends the battery life. The time can be estimated to be 2 years, 5 months and 3 days from the present.

도 10은 다른 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.10 is a block diagram illustrating an apparatus for estimating battery life according to another exemplary embodiment.

도 10을 참조하면, 배터리 수명 추정 장치(1000)는 트레이닝 데이터 획득부(1010), 트레이닝 시간 정보 누적부(1020), 학습 정보 결정부(1030), 시간 정보 누적부(1040), 시간 정보 추출부(1050) 및 수명 추정부(1060)를 포함한다.Referring to FIG. 10 , the apparatus 1000 for estimating battery life includes a training data acquisition unit 1010 , a training time information accumulator 1020 , a learning information determiner 1030 , a time information accumulator 1040 , and time information extraction It includes a unit 1050 and a life estimator 1060 .

트레이닝 데이터 획득부(1010)는 배터리에 대한 트레이닝 데이터를 획득한다. 일 실시예에서, 트레이닝 데이터 획득부(1010)는 하나의 배터리에 대한 트레이닝 데이터를 획득할 수도 있고, 복수 개의 배터리에 대한 트레이닝 데이터를 획득할 수도 있다. 또한, 트레이닝 데이터 획득부(1010)는 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정하여 트레이닝 데이터를 획득할 수 있다. 또한, 트레이닝 데이터 획득부(1010)는 미리 저장된 배터리 데이터로부터 샘플 배터리 정보를 수집할 수 있다. 여기서, 샘플 배터리 정보는 미리 저장된 데이터의 일부 정보로서, 종래 자동차의 주행 정보를 시뮬레이션한 데이터에 대응할 수 있다. 예를 들어, 종래 자동차의 주행 정보는 UDDS(Urban Dynamometer Driving Schedule) 프로파일을 포함할 수 있다.The training data acquisition unit 1010 acquires training data for the battery. In an embodiment, the training data acquisition unit 1010 may acquire training data for one battery or training data for a plurality of batteries. Also, the training data acquisition unit 1010 may acquire training data by measuring at least one of a voltage signal, a current signal, and a temperature signal of the battery in real time. Also, the training data acquisition unit 1010 may collect sample battery information from previously stored battery data. Here, the sample battery information is part of pre-stored data, and may correspond to data simulating driving information of a conventional vehicle. For example, driving information of a conventional vehicle may include an Urban Dynamometer Driving Schedule (UDDS) profile.

트레이닝 시간 정보 누적부(1020)는 트레이닝 데이터를 미리 정해진 구간으로 분할하여 누적한다. 트레이닝 시간 정보 누적부(1020)는 미리 정한 범위의 구간으로 분할된 트레이닝 데이터의 각 구간에, 배터리가 사용된 시간 정보를 누적할 수 있다. 또한, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보를 저장할 수 있다.The training time information accumulator 1020 divides the training data into predetermined sections and accumulates them. The training time information accumulator 1020 may accumulate battery usage time information in each section of the training data divided into sections within a predetermined range. Also, the training time information accumulator 1020 may store accumulated training time information.

일 실시예에서, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보를 입력 벡터로 변환할 수 있다.In an embodiment, the training time information accumulator 1020 may convert the accumulated training time information into an input vector.

또한, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보와 대응되는 입력 벡터의 차원이 감소하도록 입력 벡터의 차원을 변환할 수 있다. 입력 벡터의 차원이 감소함으로써, 학습 정보를 결정하는데 소요되는 시간이 감소할 수 있다. 예를 들어, 트레이닝 시간 정보 누적부(1020)는 PCA, LDA 등의 기법을 이용하여, 누적된 트레이닝 시간 정보와 대응되는 입력 벡터의 차원을 감소시킬 수 있다.Also, the training time information accumulator 1020 may transform the dimension of the input vector so that the dimension of the input vector corresponding to the accumulated training time information is reduced. As the dimension of the input vector is reduced, a time required for determining learning information may be reduced. For example, the training time information accumulator 1020 may reduce the dimension of the input vector corresponding to the accumulated training time information by using a technique such as PCA or LDA.

일 실시예에서, 배터리 수명 추정 장치(1000)는 충방전 판단부를 포함할 수 있다. 충방전 판단부는 측정된 배터리의 전류 신호를 이용하여 배터리가 충전 중인지 또는 방전 중인지 여부를 판단할 수 있다.In an embodiment, the apparatus 1000 for estimating battery life may include a charge/discharge determination unit. The charge/discharge determination unit may determine whether the battery is being charged or discharged by using the measured current signal of the battery.

학습 정보 결정부(1030)는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정한다. 기준 정보는 배터리의 수명 종료 시점을 추정하기 위한 기준이 되는 상태 정보로서, 예를 들어, 실제 수명 또는 미리 저장된 배터리 데이터로부터 추출된 배터리 수명을 포함할 수 있다. 예를 들어, 실제 수명은 EIS 기법 등에 의해 배터리로부터 직접적으로 측정된 배터리 수명을 나타낼 수 있다.The learning information determining unit 1030 determines learning information for estimating the end point of the battery life based on the accumulated training time information and reference information. The reference information is state information serving as a reference for estimating the end point of a battery's lifespan, and may include, for example, an actual lifespan or a battery lifespan extracted from pre-stored battery data. For example, the actual lifespan may represent a battery life measured directly from the battery by an EIS technique or the like.

학습 정보 결정부(1030)는 누적된 트레이닝 시간 정보 및 기준 정보를 학습기에 입력할 수 있다. 학습기는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 학습 정보에 대응하는 최적의 파라미터를 학습할 수 있다. 예를 들어, 학습기는 누적된 트레이닝 시간 정보에 대응하는 입력 벡터 및 배터리의 상태 정보와 같은 기준 정보에 기초하여 학습기에 사용된 학습 모델에 최적화된 파라미터를 학습할 수 있다. 예를 들어, 학습기는, 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM, 또는 DT 중 적어도 하나를 포함할 수 있다. 또한, 학습 정보 결정부(1030)는 결정된 파라미터를 저장할 수 있다. 학습 정보 결정부(1030)에 저장된 파라미터는 배터리의 수명 종료 시점을 추정할 때 사용될 수 있다. 또한, 학습 정보 결정부(1030)는 통신 인터페이스를 이용하여 결정된 학습 정보를 외부에 전송할 수 있다.The learning information determiner 1030 may input accumulated training time information and reference information to the learner. The learner may learn an optimal parameter corresponding to the learning information based on the accumulated training time information and reference information. For example, the learner may learn a parameter optimized for the learning model used in the learner based on reference information such as an input vector corresponding to accumulated training time information and battery state information. For example, the learner may include at least one of a neural network, a hidden Markov model, a Bayesian network, an SVM, and a DT. Also, the learning information determiner 1030 may store the determined parameter. The parameters stored in the learning information determiner 1030 may be used when estimating the end point of the battery life. Also, the learning information determiner 1030 may transmit the determined learning information to the outside using a communication interface.

일 실시예에서, 트레이닝 데이터 획득부(1010), 트레이닝 시간 정보 누적부(1020) 및 학습 정보 결정부(1030)는 별도의 장치(예를 들어, 배터리의 수명 종료 시점 추정을 위한 전처리 장치)로 구성될 수도 있다.In one embodiment, the training data acquisition unit 1010 , the training time information accumulator 1020 , and the learning information determiner 1030 are separate devices (eg, a preprocessor for estimating the end-of-life time of the battery). may be configured.

시간 정보 누적부(1040)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적한다.The time information accumulator 1040 divides the sensing data for the battery into predetermined sections, and accumulates time information corresponding to the divided sections.

시간 정보 추출부(1050)는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출한다.The time information extractor 1050 extracts time information corresponding to at least one period from the accumulated time information.

수명 추정부(1060)는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 학습 정보 결정부(1030)에서 결정된 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 추출한 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정한다.The life estimator 1060 predicts a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to at least one cycle, and the learning information determined by the learning information determiner 1030 . to extract the expected time information, and estimate the end point of the battery life based on the extracted expected time information.

도 10에 도시된 시간 정보 누적부(1040), 시간 정보 추출부(1050) 및 수명 추정부(1060)에는 도 9의 시간 정보 누적부(910), 시간 정보 추출부(920) 및 수명 추정부(930)에서 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
The time information accumulator 1040, the time information extractor 1050, and the lifespan estimator 1060 shown in FIG. Since the content described in 930 may be applied as it is, a more detailed description will be omitted.

도 11은 일 실시예에 따른 배터리 시스템을 나타낸 블록도이다.11 is a block diagram illustrating a battery system according to an exemplary embodiment.

도 11을 참조하면, 배터리 시스템(1100)는 배터리(1110), 센서(1120) 및 배터리 제어 장치(1130)를 포함한다. 도 11에서는 센서(1120)가 배터리 제어 장치(1130)의 외부에 존재하는 것으로 표현되었지만, 구현에 따라, 센서(1120)는 배터리 제어 장치(1130)의 내부에 존재할 수 있다.Referring to FIG. 11 , the battery system 1100 includes a battery 1110 , a sensor 1120 , and a battery control device 1130 . In FIG. 11 , the sensor 1120 is expressed as being external to the battery control device 1130 , but depending on implementation, the sensor 1120 may exist inside the battery control device 1130 .

배터리(1110)는 배터리(1110)가 장착된 구동 수단에 전력을 공급하고, 복수 개의 배터리 모듈을 포함할 수 있다. 복수 개의 배터리 모듈의 용량은 서로 동일할 수도 있고, 서로 다를 수도 있다.The battery 1110 supplies power to the driving means in which the battery 1110 is mounted, and may include a plurality of battery modules. The capacity of the plurality of battery modules may be the same or different from each other.

센서(1120)는 배터리(1110)에 대한 센싱 데이터를 획득한다. 센서(1120)는 전압 센서, 전류 센서 및 온도 센서 중 적어도 하나를 포함할 수 있다. 이에 따라, 센서(1120)는 배터리(1110)에 포함된 복수 개의 배터리 모듈의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.The sensor 1120 acquires sensing data for the battery 1110 . The sensor 1120 may include at least one of a voltage sensor, a current sensor, and a temperature sensor. Accordingly, the sensor 1120 may measure in real time at least one of a voltage signal, a current signal, or a temperature signal of a plurality of battery modules included in the battery 1110 .

배터리 제어 장치(1130)는 구간 분할부(1141), 누적부(1142), 누적 시간 정보 저장부(1143), 충방전 센서(1151), 주기 검출부(1161), 예상 시간 정보 추출부(1162), 차원 변환부(1163), 학습기(1171), 파라미터 저장부(1172) 및 통신 인터페이스(1181)을 포함할 수 있다.The battery control device 1130 includes a section division unit 1141 , an accumulation unit 1142 , an accumulation time information storage unit 1143 , a charge/discharge sensor 1151 , a cycle detection unit 1161 , and an expected time information extraction unit 1162 . , a dimension transformation unit 1163 , a learner 1171 , a parameter storage unit 1172 , and a communication interface 1181 .

구간 분할부(1141)는 센서(1120)에서 측정된 배터리의 전압 신호, 전류 신호 및 온도 신호와 같은 배터리(1110)에 대한 센싱 데이터를 획득한다. 구간 분할부(1141)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할할 수 있다. 예를 들어, 구간 분할부(1141)는 측정된 전압 신호로부터 추출한 전압 데이터를 0.2V(Volt) 단위로 분할할 수 있고, 측정된 전류 신호로부터 추출한 전류 데이터를 1A(Ampere) 단위로 분할할 수 있고, 측정된 온도 신호로부터 추출한 온도 데이터를 0.5℃ 단위로 분할할 수 있다.The section division unit 1141 acquires sensing data for the battery 1110 such as a voltage signal, a current signal, and a temperature signal of the battery measured by the sensor 1120 . The section division unit 1141 may divide the sensing data for the battery into predetermined sections. For example, the section division unit 1141 may divide the voltage data extracted from the measured voltage signal in units of 0.2V (Volt), and divide the current data extracted from the measured current signal in units of 1A (Ampere). and the temperature data extracted from the measured temperature signal can be divided into units of 0.5°C.

누적부(1142)는 구간 분할부(1141)로부터 미리 정해진 구간으로 분할된 센싱 데이터를 수신하고, 분할된 구간에 대응하는 시간 정보를 누적한다. 예를 들어, 배터리(1110)가 한 시간 동안 사용된 경우, 누적부는(1142)는 0.2V 단위로 분할된 센싱 데이터로부터, 3.4V 내지 3.6V의 구간에 누적된 시간 정보인 10분, 3.6V 내지 3.8V의 구간에 누적된 시간 정보인 30분, 3.8V 내지 4.0V의 구간에 누적된 시간 정보인 5분, 4.0V 내지 4.2V의 구간에 누적된 시간 정보인 15분을 추출할 수 있다.The accumulator 1142 receives sensing data divided into predetermined sections from the section divider 1141 and accumulates time information corresponding to the divided sections. For example, when the battery 1110 is used for one hour, the accumulator 1142 may store time information accumulated in a section of 3.4V to 3.6V from sensing data divided in units of 0.2V for 10 minutes and 3.6V. It is possible to extract 30 minutes, which is time information accumulated in the section of to 3.8V, 5 minutes, which is accumulated time information in the section of 3.8V to 4.0V, and 15 minutes, which is time information accumulated in the section of 4.0V to 4.2V. .

누적부(1142)는 누적된 시간 정보를 누적 시간 정보 저장부(1143)에 저장할 수 있다.The accumulation unit 1142 may store the accumulated time information in the accumulated time information storage unit 1143 .

충방전 센서(1151)는 측정된 배터리(1110)의 전류 신호값을 이용하여 배터리(1110)의 상태가 충전 또는 방전 중인지를 감지한다.The charge/discharge sensor 1151 detects whether the battery 1110 is charging or discharging by using the measured current signal value of the battery 1110 .

주기 검출부(1161)는 배터리(1110)의 수명 종료 시점을 추정하기 위하여 요구되는 적어도 하나의 주기를 검출한다. 주기 검출부(1161)는 미리 저장된 정보로부터 적어도 하나의 주기를 검출할 수 있다. 예를 들어, 주기 검출부(1161)는 미리 저장된 정보로부터 1주, 1개월, 1분기 및 1년의 주기를 검출할 수 있다. 또한, 주기 검출부(1161)는 배터리(1110)의 사용 이력을 고려하여 적어도 하나의 주기를 검출할 수도 있다. 예를 들어, 최근 1년간의 사용 이력을 고려할 때, 2주, 3개월 및 6개월을 주기로 배터리의 사용 패턴이 변화하는 경우, 주기 검출부(1161)는 적어도 하나의 주기로 2주, 3개월 및 6개월을 검출할 수 있다.The cycle detector 1161 detects at least one cycle required to estimate the end of the life of the battery 1110 . The period detector 1161 may detect at least one period from previously stored information. For example, the period detector 1161 may detect periods of one week, one month, one quarter, and one year from previously stored information. Also, the cycle detector 1161 may detect at least one cycle in consideration of the usage history of the battery 1110 . For example, when the usage pattern of the battery is changed in cycles of 2 weeks, 3 months, and 6 months in consideration of the usage history of the last one year, the cycle detector 1161 may detect at least one cycle of 2 weeks, 3 months, and 6 months. months can be detected.

예상 시간 정보 추출부(1162)는 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출한다.The expected time information extracting unit 1162 extracts the expected time information by predicting a change in the accumulated time information according to the use of the battery.

일 실시예에서, 예상 시간 정보 추출부(1162)는 누적 시간 정보 저장부(1143)에 저장된 누적된 시간 정보로부터, 주기 검출부(1161)에서 검출된 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 예를 들어, 예상 시간 정보 추출부(1162)는 누적된 시간 정보로부터 현재로부터 1주까지의 주기에 대응하는 시간 정보, 현재로부터 1개월까지의 주기에 대응하는 시간 정보 및 현재로부터 1년까지의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 예상 시간 정보 추출부(1162)는 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 적어도 하나의 주기 각각에 대응하는 시간 정보를 누적된 시간 정보에 추가하여 예상 시간 정보를 추출할 수 있다. 예상 시간 정보 추출부(1162)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 적어도 하나의 주기 각각에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다.In an embodiment, the expected time information extraction unit 1162 may extract time information corresponding to at least one period detected by the period detection unit 1161 from the accumulated time information stored in the accumulated time information storage unit 1143 . can For example, the expected time information extracting unit 1162 may include, from the accumulated time information, time information corresponding to a period from the present to one week, time information corresponding to a period from the present to one month, and a period from the present to one year. Time information corresponding to the period may be extracted. In addition, the expected time information extraction unit 1162 may extract the expected time information by adding time information corresponding to each of the at least one period to the accumulated time information in the order of the longest period to the shortest period among at least one period. have. The expected time information extracting unit 1162 may update the estimated time information by setting the accumulated time information as the initial expected time information, and adding time information corresponding to each of at least one period to the initial expected time information. .

차원 변환부(1163)는 예상 시간 정보가 갱신될 때마다, 갱신된 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 입력 벡터를 변환한다. 이 때, 차원 변환부(1163)는 입력 벡터를 변환하기 위하여 PCA 또는 LDA 등의 기법을 이용할 수 있다.The dimension transform unit 1163 transforms the input vector so that the dimension of the input vector corresponding to the updated expected time information is reduced whenever the expected time information is updated. In this case, the dimension transformation unit 1163 may use a technique such as PCA or LDA to transform the input vector.

학습기(1171)는 차원 변환부(1163)에서 변환된 입력 벡터를 입력으로 수신하고, 미리 결정된 학습 정보에 대응하는 파라미터를 이용하여 예상 시간 정보 추출부(1162)에서 갱신된 예상 시간 정보에 대응하는 배터리(1110)의 용량을 추정한다. 이 때, 학습기(1171)는 파라미터 저장부(1172)로부터 미리 결정된 학습 정보를 수신할 수 있다. 여기서, 학습기는 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM 및 DT 중 하나를 포함할 수 있다.The learner 1171 receives the input vector transformed by the dimension transformation unit 1163 as an input, and corresponds to the expected time information updated by the expected time information extracting unit 1162 using a parameter corresponding to the predetermined learning information. The capacity of the battery 1110 is estimated. In this case, the learner 1171 may receive predetermined learning information from the parameter storage unit 1172 . Here, the learner may include one of a neural network, a hidden Markov model, a Bayesian network, an SVM, and a DT.

파라미터 저장부(1172)는 통신 인터페이스(1181)를 이용하여 외부로부터 미리 결정된 학습 정보를 수신한다. 일 실시예에서, 학습기(1171)는 트레이닝 데이터 및 기준 정보에 기초하여 미리 학습 정보에 대응하는 최적의 파라미터를 학습할 수 있고, 학습한 최적의 파라미터를 파라미터 저장부(1172)에 저장할 수 있다. 여기서, 기준 정보는 배터리의 수명 종료 시점을 추정하기 위한 기준이 되는 상태 정보로서, 예를 들어, 실제 수명 또는 미리 저장된 배터리 데이터로부터 추출된 배터리 수명을 포함할 수 있다. 파라미터 저장부(1172)는 저장한 최적의 파라미터를 학습기(1171)에 제공할 수 있다.The parameter storage unit 1172 receives predetermined learning information from the outside using the communication interface 1181 . In an embodiment, the learner 1171 may learn an optimal parameter corresponding to the learning information in advance based on the training data and reference information, and store the learned optimal parameter in the parameter storage unit 1172 . Here, the reference information is state information serving as a reference for estimating the end time of the battery life, and may include, for example, an actual lifespan or a battery lifespan extracted from previously stored battery data. The parameter storage unit 1172 may provide the stored optimal parameter to the learner 1171 .

예상 시간 정보 추출부(1162)는 최장 주기에서 최단 주기의 순서로 적어도 하나의 주기 각각에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 때마다, 차원 변환부(1163) 및 학습기(1171)를 이용하여 배터리(1110)의 용량을 예측하고, 적어도 하나의 주기마다, 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작아질 때까지, 해당 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신한다. 예를 들어, 예상 시간 정보에 1일의 주기에 대응하는 시간 정보가 3번 추가될 때 추정된 배터리의 용량이 배터리의 최초 용량의 0.81배이고, 1일의 주기에 대응하는 시간 정보가 4번 추가될 때 추정된 배터리의 용량이 배터리의 최초 용량의 0.79배일 경우, 예상 시간 정보 추출부(1162)는 1일의 주기에 대응하는 시간 정보를 3번 추가하여 예상 시간 정보를 갱신할 수 있다.The expected time information extraction unit 1162 adds time information corresponding to each of at least one period in the order of the longest period to the shortest period to the expected time information to update the estimated time information, the dimension transformation unit 1163 and Predicting the capacity of the battery 1110 using the learner 1171, and at least every one cycle, until the estimated capacity of the battery becomes less than 0.8 times the initial capacity of the battery, time information corresponding to the cycle In addition to the estimated time information, the estimated time information is updated. For example, when time information corresponding to a cycle of one day is added three times to the estimated time information, the estimated capacity of the battery is 0.81 times the initial capacity of the battery, and time information corresponding to a cycle of one day is added four times When the estimated capacity of the battery is 0.79 times the initial capacity of the battery, the estimated time information extracting unit 1162 may update the estimated time information by adding time information corresponding to a cycle of one day three times.

또한, 예상 시간 정보 추출부(1162)는 누적부(1142)에서 누적된 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여 배터리(1110)의 수명 종료 시점을 추출할 수 있다. 예를 들어, 예상 시간 정보 추출부(1162)에서 추출된 예상 시간 정보가 누적부(1142)에서 누적된 시간 정보에 1년의 주기에 대응하는 시간 정보가 3번, 1개월의 주기에 대응하는 시간 정보가 4번, 1일의 주기에 대응하는 시간 정보가 3번 추가되어 생성될 경우, 예상 시간 정보 추출부(1162)는 배터리(1110)의 수명 종료 시점을 현재로부터 3년 4개월 3일 후로 추출할 수 있다.In addition, the estimated time information extractor 1162 may extract the end point of the life of the battery 1110 by summing the period corresponding to the time information added to the time information accumulated by the accumulator 1142 . For example, in the estimated time information extracted by the expected time information extracting unit 1162 , the time information corresponding to a period of one year is three times in the time information accumulated by the accumulation unit 1142 , corresponding to a period of one month When time information is generated by adding time information 4 times and time information corresponding to a cycle of 1 day 3 times, the expected time information extracting unit 1162 determines the end of the life of the battery 1110 from the present 3 years, 4 months and 3 days. can be extracted later.

일 실시예에서, 예상 시간 정보 추출부(1162)는 추출한 배터리(1110)의 수명 종료 시점을 외부에 전송할 수 있다.
In an embodiment, the expected time information extractor 1162 may transmit the extracted end-of-life time of the battery 1110 to the outside.

도 12는 일 실시예에 따른 센싱 데이터의 분할 및 분할된 구간에 대응하는 시간 정보의 누적을 설명하기 위한 도면이다.12 is a diagram for explaining division of sensing data and accumulation of time information corresponding to a divided section according to an embodiment.

도 12를 참조하면, 그래프(1210, 1220, 1230)는 각각 50분동안 배터리를 센싱한 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231)를 예시적으로 나타낸다. 그래프(1210, 1220, 1230)의 가로축은 시간을 나타내고, 세로축은 각각 전압, 전류 및 온도의 크기를 나타낸다. 배터리 수명 추정 장치는 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231)를 미리 정해진 구간으로 분할할 수 있다. 예를 들어, 배터리 수명 추정 장치는 전압 데이터(1211)를 0.1V 범위의 구간으로 분할할 수 있고, 전류 데이터(1221)를 1.7A 범위의 구간으로 분할할 수 있고, 온도 데이터(1231)를 0.4℃ 범위의 구간으로 분할할 수 있다.Referring to FIG. 12 , graphs 1210 , 1220 , and 1230 exemplarily show voltage data 1211 , current data 1221 , and temperature data 1231 that have sensed the battery for 50 minutes, respectively. In the graphs 1210 , 1220 , and 1230 , the horizontal axis represents time, and the vertical axis represents the magnitude of voltage, current, and temperature, respectively. The battery life estimation apparatus may divide the voltage data 1211 , the current data 1221 , and the temperature data 1231 into predetermined sections. For example, the battery life estimating apparatus may divide the voltage data 1211 into sections in the range of 0.1V, divide the current data 1221 into sections in the range of 1.7A, and divide the temperature data 1231 into sections in the range of 0.4 It can be divided into sections in the range of °C.

배터리 수명 추정 장치는 분할된 구간에 대응하는 시간 정보를 누적할 수 있다. 배터리 수명 추정 장치는 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231) 각각에 대하여, 분할된 구간에 따라 누적된 시간 정보를 나타내는 히스토그램(1250, 1260, 1270)을 생성할 수 있다.The battery life estimation apparatus may accumulate time information corresponding to the divided sections. The battery life estimating apparatus may generate histograms 1250, 1260, and 1270 representing accumulated time information according to the divided sections for each of the voltage data 1211, the current data 1221, and the temperature data 1231. .

예를 들어, 그래프(1210)에서, 전압 데이터(1211)가 3.4V 내지 4.2V의 범위에서 반복되는 것을 확인할 수 있다. 이에 따라, 전압 데이터(1211)에 대한 히스토그램(1250)의 경우, 3.4V 내지 4.2V의 범위의 8개 구간에서 누적된 시간이 유사할 수 있다.For example, in the graph 1210 , it can be seen that the voltage data 1211 is repeated in the range of 3.4V to 4.2V. Accordingly, in the case of the histogram 1250 for the voltage data 1211 , the accumulated time in eight sections ranging from 3.4V to 4.2V may be similar.

또한, 그래프(1220)에서, 전류 데이터(1221)가 대부분의 시간동안 -0.4A 내지 1.3A의 범위의 전류값을 갖는 것을 확인할 수 있다. 이에 따라, 전류 데이터(1221)에 대한 히스토그램(1260)의 경우, -0.4A 내지 1.3A의 범위의 구간에서 가장 많은 시간이 누적될 수 있다.Also, in the graph 1220, it can be seen that the current data 1221 has a current value in the range of -0.4A to 1.3A for most of the time. Accordingly, in the case of the histogram 1260 for the current data 1221, the largest amount of time may be accumulated in the range of -0.4A to 1.3A.

또한, 그래프(1230)에서, 온도 데이터(1231)가 대부분의 시간동안 25.9℃ 내지 26.7℃ 범위의 온도값을 갖는 것을 확인할 수 있다. 이에 따라, 온도 데이터(1231)에 대한 히스토그램(1270)의 경우, 25.9℃ 내지 26.3℃ 범위의 구간 및 26.3℃ 내지 26.7℃ 범위의 구간에서 많은 시간이 누적될 수 있다.
Also, in the graph 1230 , it can be seen that the temperature data 1231 has a temperature value in the range of 25.9° C. to 26.7° C. for most of the time. Accordingly, in the case of the histogram 1270 for the temperature data 1231 , a large amount of time may be accumulated in a section in the range of 25.9°C to 26.3°C and in a section in the range of 26.3°C to 26.7°C.

도 13은 일 실시예에 따른 적어도 하나의 주기에 대응하는 시간 정보를 설명하기 위한 도면이다.13 is a diagram for explaining time information corresponding to at least one period according to an embodiment.

도 13을 참조하면, 도 13의 표는 적어도 하나의 주기에 따른 시간 정보를 예시적으로 나타낸다. 표의 가로축은 적어도 하나의 주기(1일, 1주, 1개월, 6개월, 1년)을 나타내고, 세로축은 전압 구간, 전류 구간 및 온도 구간을 나타낸다. 예를 들어, V1은 4.1V 내지 4.2V 범위의 구간, V2는 4.0V 내지 4.1V 범위의 구간, Vn은 3.2V 내지 3.3V 범위의 구간을 나타낼 수 있다.Referring to FIG. 13 , the table of FIG. 13 exemplarily shows time information according to at least one period. The horizontal axis of the table represents at least one cycle (1 day, 1 week, 1 month, 6 months, 1 year), and the vertical axis represents a voltage section, a current section, and a temperature section. For example, V1 may represent a range of 4.1V to 4.2V, V2 may represent a range of 4.0V to 4.1V, and Vn may represent a range of 3.2V to 3.3V.

배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 일 실시예에서, 배터리 수명 추정 장치는 도 13의 표를 벡터의 형태로 저장할 수 있다. 배터리 수명 추정 장치는 누적된 시간 정보, 도 13의 표와 같은 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정할 수 있다.
The apparatus for estimating battery life may divide sensing data for a battery into predetermined sections, accumulate time information corresponding to the divided sections, and extract time information corresponding to at least one period from the accumulated time information. In an embodiment, the apparatus for estimating battery life may store the table of FIG. 13 in the form of a vector. The battery life estimating apparatus predicts a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to at least one cycle such as the table of FIG. 13 , and the predetermined learning information to estimate the expected time Information may be extracted, and an end point of the battery life may be estimated based on the expected time information.

도 14는 일 실시예에 따른 배터리의 수명 추정을 설명하기 위한 도면이다.14 is a diagram for explaining the estimation of the lifespan of a battery according to an exemplary embodiment.

도 14를 참조하면, 그래프 (a)는 100시간의 주기에 대응하는 시간 정보 및 예상 시간 정보를 예시적으로 나타낸다. 그래프 (a)의 가로축은 시간을 나타낸다.Referring to FIG. 14 , graph (a) exemplarily shows time information and expected time information corresponding to a period of 100 hours. The horizontal axis of graph (a) represents time.

배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보(1412)로부터 100시간의 주기에 대응하는 시간 정보를 추출할 수 있다.The battery life estimation apparatus divides the sensing data for the battery into predetermined sections, accumulates time information corresponding to the divided sections, and extracts time information corresponding to a cycle of 100 hours from the accumulated time information 1412 . can

배터리 수명 추정 장치는 100시간의 주기에 대응하는 시간 정보(1411)를 누적된 시간 정보(1412)에 추가하여 예상 시간 정보를 갱신할 수 있다. 배터리 수명 추정 장치는 예상 시간 정보가 갱신될 때마다, 갱신된 예상 시간 정보 및 미리 정해진 학습 정보를 학습기에 입력하여 배터리의 용량을 추정할 수 있다. 이 때, 배터리 수명 추정 장치는 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작아지기 전까지 100시간이 주기에 대응하는 시간 정보(1411)를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 도 14의 예에서, 배터리 수명 추정 장치는 100시간이 주기에 대응하는 시간 정보(1411)를 누적된 시간 정보(1412)에 4번 추가하여 예상 시간 정보를 생성할 수 있다.The battery life estimation apparatus may update the estimated time information by adding the time information 1411 corresponding to the cycle of 100 hours to the accumulated time information 1412 . Whenever the estimated time information is updated, the battery life estimating apparatus may input the updated expected time information and predetermined learning information into the learner to estimate the capacity of the battery. At this time, the battery life estimating apparatus updates the estimated time information by adding the time information 1411 corresponding to the 100-hour period to the expected time information until the estimated battery capacity becomes less than 0.8 times the initial capacity of the battery. can In the example of FIG. 14 , the apparatus for estimating battery life may generate estimated time information by adding time information 1411 corresponding to a period of 100 hours four times to the accumulated time information 1412 .

그래프 (b)는 예상 시간 구간의 갱신에 따라 추정되는 배터리의 용량을 예시적으로 나타낸다. 그래프 (b)의 가로축은 시간을 나타내고, 세로축은 배터리의 용량을 나타낸다. 앞서 설명한 바와 같이, 배터리 수명 추정 장치는 예상 시간 구간을 갱신할 때마다 배터리의 용량을 추정할 수 있다. 그래프 (a)에서 100시간의 주기에 대응하는 시간 정보를 추가하여 예상 시간 구간을 갱신함에 따라, 추정된 배터리의 용량(1441)은 실제 배터리의 용량(1431)과 유사한 추세를 나타낼 수 있다.
The graph (b) exemplarily shows the capacity of the battery estimated according to the update of the expected time interval. In the graph (b), the horizontal axis represents time, and the vertical axis represents the capacity of the battery. As described above, the battery life estimation apparatus may estimate the capacity of the battery whenever the expected time interval is updated. As the predicted time section is updated by adding time information corresponding to a cycle of 100 hours in graph (a), the estimated battery capacity 1441 may show a similar trend to the actual battery capacity 1431 .

도 15는 일 실시예에 따른 사용자 인터페이스를 설명하기 위한 도면이다.15 is a diagram for describing a user interface according to an exemplary embodiment.

도 15를 참조하면, 배터리 제어 장치는 외부로부터 트리거(trigger) 신호를 수신하고 트리거 신호의 수신에 응답하여 배터리에 대한 센싱 데이터를 획득할 수 있다. 이에 따라, 배터리 제어 장치는 배터리가 부분 충방전을 수행하는 경우에도 실시간으로 배터리의 수명 종료 시점을 추정할 수 있다. 예를 들어, 전자 제어 장치(ECU)는 배터리 및 배터리 제어 장치가 장착된 전기 자동차의 시동이 온(on) 상태일 때, 계기판에 사용자 인터페이스(1510)를 디스플레이할 수 있다. 사용자 인터페이스(1510)는 트리거 신호를 생성하기 위한 인터페이스(1520)를 포함할 수 있다. 사용자로부터 인터페이스(1520)가 선택된 경우, 전자 제어 장치(ECU)는 배터리 제어 장치에 트리거 신호를 전송할 수 있다. 배터리 제어 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 배터리 제어 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다.Referring to FIG. 15 , the battery control device may receive a trigger signal from the outside and acquire sensing data for the battery in response to the reception of the trigger signal. Accordingly, even when the battery performs partial charging and discharging, the battery control apparatus may estimate the end time of the battery life in real time. For example, the electronic control unit (ECU) may display the user interface 1510 on the instrument panel when the battery and the start of the electric vehicle equipped with the battery control unit are in an on state. The user interface 1510 may include an interface 1520 for generating a trigger signal. When the interface 1520 is selected by the user, the electronic control unit (ECU) may transmit a trigger signal to the battery control unit. The battery control apparatus may divide sensing data for a battery into predetermined sections, accumulate time information corresponding to the divided sections, and extract time information corresponding to at least one period from the accumulated time information. In addition, the battery control device extracts the expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to at least one cycle, and the predetermined learning information, Based on the expected time information, it is possible to estimate the end point of the battery's lifespan.

일 실시예에서, 배터리 제어 장치는 추정한 배터리의 수명 종료 시점을 전자 제어 장치(ECU)에 전송할 있고, 전자 제어 장치(ECU)는 배터리 제어 장치로부터 수신한 배터리의 수명 종료 시점을 디스플레이할 수 있다.
In an embodiment, the battery control device may transmit the estimated end-of-life time of the battery to the electronic control unit (ECU), and the electronic control unit (ECU) may display the end-of-life time of the battery received from the battery control device .

도 16은 일 실시예에 따른 배터리 수명 정보를 제공하기 위한 사용자 인터페이스를 설명하기 위한 도면이다.16 is a diagram for describing a user interface for providing battery life information according to an exemplary embodiment.

도 16을 참조하면, 전기 자동차(1610)는 배터리 시스템(1620)을 포함할 수 있다. 배터리 시스템(1620)은 배터리(1630) 및 배터리 제어 장치(1640)를 포함할 수 있다. 배터리 제어 장치(1640)는 배터리(1630)의 수명 종료 시점을 추출한 후 무선 인터페이스를 이용하여 단말(1650)에 배터리(1630)의 수명 종료 시점을 전송할 수 있다.Referring to FIG. 16 , an electric vehicle 1610 may include a battery system 1620 . The battery system 1620 may include a battery 1630 and a battery control device 1640 . After extracting the end-of-life time of the battery 1630 , the battery control device 1640 may transmit the end-of-life time of the battery 1630 to the terminal 1650 using a wireless interface.

일 실시예에서, 배터리 제어 장치(1640)는 무선 인터페이스를 통하여 단말(1650)로부터 트리거 신호를 수신할 수 있고, 트리거 신호의 수신에 응답하여 배터리(1630)의 수명 종료 시점을 추정할 수 있다. 배터리 제어 장치(1640)는 추출한 수명 종료 시점(1661)를 무선 인터페이스를 이용하여 단말(1650)에 전송할 수 있다. 단말(1650)은 사용자 인터페이스(1660)를 이용하여 배터리(1610)의 수명 종료 시점(1661)을 디스플레이할 수 있다.
In an embodiment, the battery control device 1640 may receive a trigger signal from the terminal 1650 through the wireless interface, and may estimate the end of life time of the battery 1630 in response to the reception of the trigger signal. The battery control device 1640 may transmit the extracted end-of-life time 1661 to the terminal 1650 using a wireless interface. The terminal 1650 may display the end-of-life time 1661 of the battery 1610 using the user interface 1660 .

도 17은 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.17 is an operation flowchart illustrating a method for estimating battery life according to an exemplary embodiment.

도 17을 참조하면, 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할할 수 있다(1710).Referring to FIG. 17 , the apparatus for estimating battery life may divide sensing data for a battery into predetermined sections ( 1710 ).

또한, 배터리 수명 추정 장치는 분할된 구간에 대응하는 시간 정보를 누적할 수 있다(1720).Also, the apparatus for estimating battery life may accumulate time information corresponding to the divided sections ( S1720 ).

또한, 배터리 수명 추정 장치는 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다(1730).Also, the apparatus for estimating battery life may extract time information corresponding to at least one period from the accumulated time information ( 1730 ).

또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출할 수 있다(1740).In addition, the battery life estimating apparatus extracts expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, time information corresponding to at least one cycle, and predetermined learning information. may (1740).

또한, 배터리 수명 추정 장치는 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다(1750).Also, the apparatus for estimating the battery life may estimate an end time of the battery life based on the expected time information ( 1750 ).

도 17에 도시된 일 실시예에 따른 배터리 수명 추정 방법에는 도 1 내지 도 16을 통해 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
Since the contents described with reference to FIGS. 1 to 16 may be directly applied to the method for estimating battery life according to the embodiment shown in FIG. 17 , a detailed description thereof will be omitted.

도 18은 다른 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.18 is an operation flowchart illustrating a method for estimating battery life according to another exemplary embodiment.

도 18을 참조하면, 배터리 수명 추정 장치는 배터리에 대한 트레이닝 데이터를 획득할 수 있다(1810).Referring to FIG. 18 , the apparatus for estimating battery life may acquire training data for the battery ( 1810 ).

또한, 배터리 수명 추정 장치는 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 트레이닝 시간 정보를 누적할 수 있다(1820).Also, the apparatus for estimating battery life may divide the training data into predetermined sections and accumulate training time information corresponding to the divided sections ( 1820 ).

또한, 배터리 수명 추정 장치는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정할 수 있다(1830).Also, the apparatus for estimating battery life may determine learning information for estimating the end of the battery life based on the accumulated training time information and reference information ( 1830 ).

또한, 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적할 수 있다(1840).Also, the apparatus for estimating battery life may divide sensing data for a battery into predetermined sections and accumulate time information corresponding to the divided sections ( 1840 ).

또한, 배터리 수명 추정 장치는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다(1850).Also, the battery life estimation apparatus may extract time information corresponding to at least one period from the accumulated time information ( 1850 ).

또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 결정된 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출할 수 있다(1860).In addition, the battery life estimating apparatus may extract the expected time information by predicting a change in the accumulated time information according to the use of the battery based on the accumulated time information, the time information corresponding to at least one cycle, and the determined learning information. There is (1860).

또한, 배터리 수명 추정 장치는 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다(1870).Also, the apparatus for estimating the battery life may estimate the end point of the battery life based on the expected time information ( 1870 ).

도 18에 도시된 다른 일 실시예에 따른 배터리 수명 추정 방법에는 도 1 내지 도 16을 통해 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.
Since the contents described with reference to FIGS. 1 to 16 may be directly applied to the method for estimating battery life according to another exemplary embodiment illustrated in FIG. 18 , a detailed description thereof will be omitted.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented as a hardware component, a software component, and/or a combination of the hardware component and the software component. For example, devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. A processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or apparatus, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible from the above description by those skilled in the art. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims

a time information accumulator for dividing sensing data for a battery into predetermined sections and accumulating time information corresponding to the divided sections;
a time information extracting unit for extracting time information corresponding to at least one period among a plurality of periods from the accumulated time information; and
including a life estimator;
The life estimating unit,
Predicting the amount of change in the accumulated time information according to battery use,
Based on the accumulated time information, the extracted time information corresponding to the at least one period, and the learning information determined from the learning data, generating expected time information corresponding to the predicted change amount of the accumulated time information,
Estimating an end of life (EOL) of the battery based on the expected time information,
Battery life estimation device.

According to claim 1,
The time information accumulation unit,
Measuring at least one of a voltage signal, a current signal, or a temperature signal of the battery in real time,
Battery life estimation device.

According to claim 1,
The time information extraction unit,
Setting the at least one cycle in consideration of the usage history of the battery,
Battery life estimation device.

According to claim 1,
A charge/discharge determination unit for determining whether the battery is being charged or discharged from the current signal of the battery
further comprising,
Battery life estimation device.

According to claim 1,
The life estimating unit,
extracting the expected time information by adding time information corresponding to each of the at least one period to the accumulated time information in the order of the longest period to the shortest period among the at least one period,
Battery life estimation device.

According to claim 1,
The life estimating unit,
When there is a plurality of time information corresponding to each of the at least one period, extracting the estimated time information using time information based on recently sensed sensing data among a plurality of time information corresponding to each of the at least one period ,
Battery life estimation device.

6. The method of claim 5,
The life estimating unit,
setting the accumulated time information as the expected time information,
updating the expected time information by adding time information corresponding to each of the at least one period to the expected time information;
Battery life estimation device.

8. The method of claim 7,
The life estimating unit,
Whenever the expected time information is updated, estimating the lifespan of the battery based on the updated expected time information and the predetermined learning information,
updating the expected time information by adding time information corresponding to the corresponding cycle to the expected time information until the expected life of the battery does not end in each of the at least one cycle;
Battery life estimation device.

9. The method of claim 8,
The life estimating unit,
Adding time information corresponding to the nth cycle to the expected time information to which time information corresponding to each of the n−1th cycle from the first cycle, which is the longest cycle, is added until the expected battery life does not end,
Battery life estimation device.

6. The method of claim 5,
The life estimating unit,
Extracting the end point of the battery life by summing the periods corresponding to the time information added to the accumulated time information,
Battery life estimation device.

9. The method of claim 8,
The life estimating unit,
estimating the capacity of the battery based on the updated expected time information and the predetermined learning information, and estimating the lifespan of the battery based on the capacity of the battery,
Battery life estimation device.

12. The method of claim 11,
The life estimating unit,
When the estimated capacity of the battery is less than 0.8 times the initial capacity of the battery, determining that the life of the battery has ended,
Battery life estimation device.

12. The method of claim 11,
A dimension transformation unit transforming the input vector so that the dimension of the input vector corresponding to the expected time information is reduced
further comprising,
The life estimating unit,
Estimating the capacity of the battery based on the converted input vector and the predetermined learning information,
Battery life estimation device.

14. The method of claim 13,
The life estimating unit,
Inputting the converted input vector and the predetermined learning information to a learner to estimate the capacity of the battery in the order of the longest period to the shortest period,
Battery life estimation device.

15. The method of claim 14,
The learner is
including one of a Neural Network, a Hidden Markov Model, a Bayesian Network, a Support Vector Machine (SVM), and a Decision Tree (DT),
Battery life estimation device.

According to claim 1,
The life estimating unit,
Receiving the predetermined learning information from the outside using a communication interface,
Battery life estimation device.

a training data acquisition unit for acquiring training data for the battery;
a training time information accumulator for dividing the training data into predetermined sections and accumulating training time information corresponding to the divided sections;
a learning information determining unit configured to determine learning information for estimating an end time of the battery life based on the accumulated training time information and reference information;
a time information accumulator for dividing the sensing data for the battery into predetermined sections and accumulating time information corresponding to the divided sections;
a time information extracting unit for extracting time information corresponding to at least one period among a plurality of periods from the accumulated time information; and
including a life estimator;
The life estimating unit,
Predicting the amount of change in the accumulated time information according to battery use,
Based on the accumulated time information, the extracted time information corresponding to the at least one period, and the learning information determined from the learning data, generating expected time information corresponding to the predicted change amount of the accumulated time information,
estimating the end of life of the battery based on the expected time information. life estimator
containing,
Battery life estimation device.

18. The method of claim 17,
The training data acquisition unit,
Measuring at least one of a voltage signal, a current signal, or a temperature signal of the battery in real time,
Battery life estimation device.

18. The method of claim 17,
The training data acquisition unit,
collecting sample battery information from pre-stored battery data;
Battery life estimation device.

20. The method of claim 19,
The learning information determining unit,
Inputting the accumulated time information and the reference information to a learner to learn a parameter corresponding to the learning information,
Battery life estimation device.

21. The method of claim 20,
The learner is
comprising one of a neural network, a hidden Markov model, a Bayesian network, an SVM, and a DT;
Battery life estimation device.

18. The method of claim 17,
The learning information determining unit,
Transmitting the learning information to the outside using a communication interface,
Battery life estimation device.

dividing the sensing data for the battery into predetermined sections;
accumulating time information corresponding to the divided section;
extracting time information corresponding to at least one period among a plurality of periods from the accumulated time information;
predicting a change amount of the accumulated time information according to battery usage;
generating expected time information corresponding to the predicted change amount of the accumulated time information based on the accumulated time information, the time information corresponding to the at least one period, and the learning information determined from the learning data; and
estimating an end of life (EOL) of the battery based on the expected time information
containing,
How to estimate battery life.

obtaining training data for the battery;
dividing the training data into predetermined sections and accumulating training time information corresponding to the divided sections;
determining learning information for estimating an end time of the battery life based on the accumulated training time information and reference information;
dividing the sensing data for the battery into predetermined sections and accumulating time information corresponding to the divided sections;
extracting time information corresponding to at least one period among a plurality of periods from the accumulated time information;
predicting a change amount of the accumulated time information according to battery usage;
extracting expected time information corresponding to the predicted change amount of the accumulated time information based on the accumulated time information, the time information corresponding to the at least one period, and the learning information determined from the learning data; and
estimating an end point of the life of the battery based on the expected time information
containing,
How to estimate battery life.

A computer-readable recording medium in which a program for performing the method of any one of claims 23 and 24 is recorded.